OpenCV-信用卡数字识别-03

模板图

银行卡图

# 导入工具包 from imutils import contours import numpy as np import argparse import cv2 # 指定信用卡类型 FIRST_NUMBER = {"3": "American Express","4": "Visa","5": "MasterCard","6": "Discover Card" } # 绘图展示函数 def cv_show(name, img):cv2.imshow(name, img)cv2.waitKey(0) # cv2.destroyAllWindows() # 读取一个模板图像 img = cv2.imread("ocr_a_reference.png") cv_show('template',img) # 灰度图 ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) cv_show('template_gray',ref) # 二值图像 ref = cv2.threshold(ref, 10, 255, cv2.THRESH_BINARY_INV)[1] cv_show('template_bi',ref)

# 计算轮廓 # cv2.findContours()函数接受的参数为二值图，即黑白的（不是灰度图）,cv2.RETR_EXTERNAL只检测外轮廓，cv2.CHAIN_APPROX_SIMPLE只保留终点坐标 # 返回的list中每个元素都是图像中的一个轮廓ref_,refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)cv2.drawContours(img,refCnts,-1,(0,0,255),3) # 轮廓在二值图上得到, 画要画在原图上 cv_show('template_Contours',img) print (np.array(refCnts).shape)

# 对轮廓进行排序函数 def sort_contours(cnts, method="left-to-right"):reverse = Falsei = 0if method == "right-to-left" or method == "bottom-to-top":reverse = Trueif method == "top-to-bottom" or method == "bottom-to-top":i = 1# 计算外接矩形 boundingBoxes是一个元组boundingBoxes = [cv2.boundingRect(c) for c in cnts] #用一个最小的矩形，把找到的形状包起来x,y,h,w# sorted排序(cnts, boundingBoxes) = zip(*sorted(zip(cnts, boundingBoxes),key=lambda b: b[1][i], reverse=reverse))return cnts, boundingBoxes # 轮廓和boundingBoxess # 图像处理函数 def resize(image, width=None, height=None, inter=cv2.INTER_AREA):dim = None(h, w) = image.shape[:2]if width is None and height is None:return imageif width is None:r = height / float(h)dim = (int(w * r), height)else:r = width / float(w)dim = (width, int(h * r))resized = cv2.resize(image, dim, interpolation=inter)return resized refCnts = sort_contours(refCnts, method="template_Contours")[0] #排序，从左到右，从上到下 digits = {} # 遍历每一个轮廓 for (i, c) in enumerate(refCnts): # c是每个轮廓的终点坐标 # 计算外接矩形并且resize成合适大小(x, y, w, h) = cv2.boundingRect(c)roi = ref[y:y + h, x:x + w] # 每个roi对应一个数字 roi = cv2.resize(roi, (57, 88)) # 太小,调大点digits[i] = roi # 每一个数字对应每一个模板# 【模板处理流程: 轮廓检测,外接矩形,抠出模板,让模板对应每个数值】# 【输入图像处理】 # 形态学操作,礼帽+闭操作可以突出明亮区域,但并不是非得礼帽+闭操作 # 初始化卷积核,根据实际任务指定大小,不一定非要3x3 rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 3)) sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) #读取输入图像，预处理 image = cv2.imread("credit_card_01.png") cv_show('Input_img',image) image = resize(image, width=300) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) cv_show('Input_gray',gray)

#礼帽操作，突出更明亮的区域 tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel) cv_show('Input_tophat',tophat) # x方向的Sobel算子,实验表明,加y的效果的并不好 gradX = cv2.Sobel(tophat, ddepth=cv2.CV_32F, dx=1, dy=0, #ksize=-1相当于用3*3的ksize=-1)gradX = np.absolute(gradX) # absolute: 计算绝对值 (minVal, maxVal) = (np.min(gradX), np.max(gradX)) gradX = (255 * ((gradX - minVal) / (maxVal - minVal))) gradX = gradX.astype("uint8")print (np.array(gradX).shape) cv_show('Input_Sobel_gradX',gradX)

# 通过闭操作（先膨胀，再腐蚀）将数字连在一起. 将本是4个数字的4个框膨胀成1个框,就腐蚀不掉了 gradX = cv2.morphologyEx(gradX, cv2.MORPH_CLOSE, rectKernel) cv_show('Input_CLOSE_gradX',gradX)# THRESH_OTSU会自动寻找合适的阈值，适合双峰，需把阈值参数设置为0 thresh = cv2.threshold(gradX, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1] cv_show('Input_thresh',thresh)# 再来一个闭操作 thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, sqKernel) # 填补空洞 cv_show('Input_thresh_CLOSE',thresh)# 计算轮廓 thre_,threshCnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)cnts = threshCnts cur_img = image.copy() cv2.drawContours(cur_img,cnts,-1,(0,0,255),3) cv_show('Input_Contours',cur_img) locs = []

# 遍历轮廓 for (i, c) in enumerate(cnts): # 计算矩形(x, y, w, h) = cv2.boundingRect(c)ar = w / float(h) # 选择合适的区域，根据实际任务来，这里的基本都是四个数字一组if ar > 2.5 and ar < 4.0:if (w > 40 and w < 55) and (h > 10 and h < 20): #符合的留下来locs.append((x, y, w, h)) # 将符合的轮廓从左到右排序 locs = sorted(locs, key=lambda x:x[0]) output = [] # 遍历每一个轮廓中的数字 for (i, (gX, gY, gW, gH)) in enumerate(locs): # 遍历每一组大轮廓(包含4个数字) # initialize the list of group digitsgroupOutput = [] # 根据坐标提取每一个组(4个值)group = gray[gY - 5:gY + gH + 5, gX - 5:gX + gW + 5] # 往外扩一点 # cv_show('group',group) # 1.预处理 # 二值化的groupgroup = cv2.threshold(group,0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]group_name = 'Input_group_' + str(i)cv_show(group_name,group)cv2.imwrite('./credit_card_01/' + group_name + '.jpg',group) # 计算每一组的轮廓 这样就分成4个小轮廓了dig_,digitCnts,hierarchy = cv2.findContours(group.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) # 排序digitCnts = contours.sort_contours(digitCnts,method="left-to-right")[0]# 2.计算并匹配每一组中的每一个数值for c in digitCnts: # c表示每个小轮廓的终点坐标z=0 # 找到当前数值的轮廓,resize成合适的的大小(x, y, w, h) = cv2.boundingRect(c) # 外接矩形roi = group[y:y + h, x:x + w] # 在原图中取出小轮廓覆盖区域,即数字roi = cv2.resize(roi, (57, 88))roi_name = 'roi_'+str(z)# cv_show(roi_name,roi)# 计算匹配得分: 0得分多少,1得分多少...scores = [] # 单次循环中,scores存的是一个数值 匹配 10个模板数值的最大得分 # 在模板中计算每一个得分#digits的digit正好是数值0,1,...,9;digitROI是每个数值的特征表示for (digit, digitROI) in digits.items():# 进行模板匹配, res是结果矩阵result = cv2.matchTemplate(roi, digitROI,cv2.TM_CCOEFF) # 此时roi是5 digitROI是0 依次是1,2.. 匹配10次,看模板最高得分多少(_, score, _, _) = cv2.minMaxLoc(result) # score是最大值scores.append(score) # 10个最大值# 得到最合适的数字groupOutput.append(str(np.argmax(scores))) # 取最大值z = z+1# 画出来cv2.rectangle(image, (gX - 5, gY - 5),(gX + gW + 5, gY + gH + 5), (0, 0, 255), 1)# putText参数：图片,添加的文字,左上角坐标,字体,字体大小,颜色,字体粗细cv2.putText(image, " ".join(groupOutput), (gX, gY - 15),cv2.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)# 得到结果output.extend(groupOutput)

# 打印结果 print("Credit Card Type: {}".format(FIRST_NUMBER[output[0]])) print("Credit Card #: {}".format("".join(output))) cv2.imshow("Output_image", image) cv2.waitKey(0)

总结

以上是生活随笔为你收集整理的OpenCV-信用卡数字识别-03的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。